ฉันใช้ stl () ใน R เพื่อย่อยสลายข้อมูลนับเป็นแนวโน้มองค์ประกอบตามฤดูกาลและผิดปกติ ค่าแนวโน้มผลลัพธ์ไม่ได้เป็นจำนวนเต็มอีกต่อไป ฉันมีคำถามต่อไปนี้:
คำตอบ:
ไม่มีปัญหาโดยธรรมชาติกับการใช้ stl () เพื่อ deseasonalize data count หนึ่งในปัญหาที่จะตระหนักถึง แต่เป็นข้อมูลที่นับว่าโดยทั่วไปมีความแปรปรวนเพิ่มขึ้นตามการเพิ่มขึ้นของค่าเฉลี่ย สิ่งนี้มักจะเห็นได้ในองค์ประกอบตามฤดูกาลและการสุ่มของการสลายตัว การใช้ stl () กับข้อมูลดิบจะไม่นำสิ่งนี้มาพิจารณาและดังนั้นจึงเป็นการดีที่สุดที่จะใช้ลอการิทึม (แก้ไข - หรือรากที่สอง) ของข้อมูลของคุณก่อน
ไม่สำคัญว่าค่าแนวโน้มจะไม่ใช่จำนวนเต็มอีกต่อไป พวกเขาสามารถคิดในลักษณะที่คล้ายกับพารามิเตอร์ในการกระจาย Poisson แม้ว่าตัวแปรแบบกระจายปัวซงจะต้องเป็นจำนวนเต็มค่าเฉลี่ยไม่จำเป็นต้องเป็น
อย่างไรก็ตามนี่ไม่ได้หมายความว่าคุณสามารถใช้ lm () เพื่อสร้างแบบจำลององค์ประกอบแนวโน้ม มีข้อผิดพลาดมากมายในการสร้างแบบจำลองแนวโน้มในอนุกรมเวลาเนื่องจากความสัมพันธ์ปลอมจะยากมากที่จะหลีกเลี่ยง โดยทั่วไปคนแรกจะทำให้เกิดความเสียหายต่อซีรีส์และจากนั้นทำโมเดลส่วนที่เหลือ